INDICACIONES

  • Coloque su apellido y nombre en el campo author.

  • Clone el repositorio de GitHub

  • Cree un Project y enlace al repositorio clonado.

  • Resuelva lo solicitado.

  • Genere un reporte en formato .html o .pdf

Librerías requeridas

  • Asegúrese de que todas las librerías se cargan adecuadamente. Si es necesario instale las librerías utilizando el comando:
install.packages("packagename")
  • En el caso de las librerías de Bioconductor requiere instalarlo usando la instrucción.
if (!require("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install(version = "3.16")
  • Luego debe instalar la paquetería de bioconductor, con la instrucción:
BiocManager::install("packagename")
  • Si la librería está en desarrollo, debe tener la librería devtools y luego ejecutar:
devtools::install_github("kassambara/ggpubr")

Las librerías requeridas en esta evaluación son:

library(ggpmisc); library(ggplot2); library(plotly); library(palmerpenguins)
## Loading required package: ggpp
## Loading required package: ggplot2
## 
## Attaching package: 'ggpp'
## The following object is masked from 'package:ggplot2':
## 
##     annotate
## 
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
## 
##     last_plot
## The following object is masked from 'package:stats':
## 
##     filter
## The following object is masked from 'package:graphics':
## 
##     layout
library(ggplot2); library(magrittr); library(ggpubr); library(tidyverse)
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.0     ✔ readr     2.1.4
## ✔ forcats   1.0.0     ✔ stringr   1.5.0
## ✔ lubridate 1.9.2     ✔ tibble    3.1.8
## ✔ purrr     1.0.1     ✔ tidyr     1.3.0
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ ggpp::annotate()   masks ggplot2::annotate()
## ✖ tidyr::extract()   masks magrittr::extract()
## ✖ dplyr::filter()    masks plotly::filter(), stats::filter()
## ✖ dplyr::lag()       masks stats::lag()
## ✖ purrr::set_names() masks magrittr::set_names()
## ℹ Use the ]8;;http://conflicted.r-lib.org/conflicted package]8;; to force all conflicts to become errors
library(ComplexHeatmap); library(viridis)
## Loading required package: grid
## ========================================
## ComplexHeatmap version 2.14.0
## Bioconductor page: http://bioconductor.org/packages/ComplexHeatmap/
## Github page: https://github.com/jokergoo/ComplexHeatmap
## Documentation: http://jokergoo.github.io/ComplexHeatmap-reference
## 
## If you use it in published research, please cite either one:
## - Gu, Z. Complex Heatmap Visualization. iMeta 2022.
## - Gu, Z. Complex heatmaps reveal patterns and correlations in multidimensional 
##     genomic data. Bioinformatics 2016.
## 
## 
## The new InteractiveComplexHeatmap package can directly export static 
## complex heatmaps into an interactive Shiny app with zero effort. Have a try!
## 
## This message can be suppressed by:
##   suppressPackageStartupMessages(library(ComplexHeatmap))
## ========================================
## 
## 
## Attaching package: 'ComplexHeatmap'
## 
## The following object is masked from 'package:plotly':
## 
##     add_heatmap
## 
## Loading required package: viridisLite

[4.0 PUNTOS] 1. Pingüinos de Palmer

La base de datos de esta pregunta contiene distintas mediciones para tres especies de pingüinos encontrados en el archipiélago de Palmer, en la Antártica. Estas tres especies son los Chinstrap, Gentoo y Adélie.

Puede revisar los datos de los pingüinos utilizando la instrucción str() o skim().

skimr::skim(penguins)
Data summary
Name penguins
Number of rows 344
Number of columns 8
_______________________
Column type frequency:
factor 3
numeric 5
________________________
Group variables None

Variable type: factor

skim_variable n_missing complete_rate ordered n_unique top_counts
species 0 1.00 FALSE 3 Ade: 152, Gen: 124, Chi: 68
island 0 1.00 FALSE 3 Bis: 168, Dre: 124, Tor: 52
sex 11 0.97 FALSE 2 mal: 168, fem: 165

Variable type: numeric

skim_variable n_missing complete_rate mean sd p0 p25 p50 p75 p100 hist
bill_length_mm 2 0.99 43.92 5.46 32.1 39.23 44.45 48.5 59.6 ▃▇▇▆▁
bill_depth_mm 2 0.99 17.15 1.97 13.1 15.60 17.30 18.7 21.5 ▅▅▇▇▂
flipper_length_mm 2 0.99 200.92 14.06 172.0 190.00 197.00 213.0 231.0 ▂▇▃▅▂
body_mass_g 2 0.99 4201.75 801.95 2700.0 3550.00 4050.00 4750.0 6300.0 ▃▇▆▃▂
year 0 1.00 2008.03 0.82 2007.0 2007.00 2008.00 2009.0 2009.0 ▇▁▇▁▇ 
head(penguins)
## # A tibble: 6 × 8
##   species island    bill_length_mm bill_depth_mm flipper_l…¹ body_…² sex    year
##   <fct>   <fct>              <dbl>         <dbl>       <int>   <int> <fct> <int>
## 1 Adelie  Torgersen           39.1          18.7         181    3750 male   2007
## 2 Adelie  Torgersen           39.5          17.4         186    3800 fema…  2007
## 3 Adelie  Torgersen           40.3          18           195    3250 fema…  2007
## 4 Adelie  Torgersen           NA            NA            NA      NA <NA>   2007
## 5 Adelie  Torgersen           36.7          19.3         193    3450 fema…  2007
## 6 Adelie  Torgersen           39.3          20.6         190    3650 male   2007
## # … with abbreviated variable names ¹​flipper_length_mm, ²​body_mass_g

A continuación se muestra un ejemplo de análisis de la data de los pingüinos de Palmer:

  • En la figura p1 se tiene un errorplot donde el largo del pico es evaluado por cada especie e internamente por sexo del ave.

  • En la figura p2 se tiene un boxplot donde se compara el ancho del pico por cada especie.

  • En la figura p3 se tiene una regresión lineal donde se mide el efecto de la longitud del pico sobre el ancho y se desagrega por especie(fila) e isla (columnas).

  • Finalmente la figura compuesta con las tres figuras anteriores en una estrucutura:

## `geom_smooth()` using formula = 'y ~ x'

[1.0 punto] 1.1. Interprete lo que se muestra en la figura anterior

  • El primer gráfico muestra que el eje X representa las islas donde se da cada especie, el eje Y representa la especie de pingüino y los pingüinos están agrupados por sexo. El segundo diagrama muestra un diagrama de dispersión de la altura del pico, con el eje x representando las especies de pingüinos y el eje y representando las especies de pingüinos barbijo y papúa con los picos más largos. La ultima grafica muestra la relación entre la anchura y la longitud del pico de los pingüinos en función de la especie y la isla. Cada recuadro es una combinación de especie e isla y muestra un diagrama de dispersión con una línea de regresión lineal ajustada. La línea de regresión lineal muestra la tendencia general de los datos y puede ayudarte a entender la relación entre la anchura y la longitud del pico para cada especie/isla.

[3.0 puntos] 1.2. Genere dos gráficas p4 y p5donde:

  • p4 es una regresión de x: body_mass_g y y: flipper_length_mm, que tiene inserto la ecuación de la regresión y el \(R^2\). Asimismo tiene una coloración por sexo, y una separación por sexo e isla.

  • p5 tiene un correlation plot de las variables numéricas de longitud de pico, ancho de pico, longitud de aleta y masa corporal. La figura tiene que tener la apariencia de la imagen de abajo, este se encuentra resuelto en la página de ggcorrplot.

  • Realice una composición de figuras que se indica en la figura de abajo e interprete.
# Escriba aquí su código
p4 = ggplot(pinguinos, aes(x=body_mass_g, y = flipper_length_mm, color=factor(sex))) + 
  scale_x_log10() + scale_y_log10() +
  geom_point(size=0.5, alpha=0.5) + geom_smooth(method = "lm", se = FALSE, na.rm = TRUE) +
  facet_grid(factor(species)~factor(island)) + theme_classic() + theme(legend.position = "none") +
  stat_poly_eq(coef.digits = 2,use_label(c("eq", "adj.R2")), formula = y ~ poly(x,1, raw = TRUE), 
               label.x.npc = 0.9, label.y.npc = 1.0, cex=3) +
  labs(x = "Masa corporal en gramos", y = "Longitud de la aleta en mm")
p4
## `geom_smooth()` using formula = 'y ~ x'

##################################
library(ggcorrplot)
data(penguins)
corr <- round(cor(pinguinos[, c(3,4,5,6)]), 1)
head(corr[, 1:4])
##                   bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
## bill_length_mm               1.0          -0.2               0.7         0.6
## bill_depth_mm               -0.2           1.0              -0.6        -0.5
## flipper_length_mm            0.7          -0.6               1.0         0.9
## body_mass_g                  0.6          -0.5               0.9         1.0
p5 = ggcorrplot(corr, hc.order = TRUE, type = "lower",
   lab = TRUE)
p5

##################################
ggarrange(p3, ggarrange(p5, p4, nrow=2), p1, p2 
          , ncol=2, nrow=3)
## `geom_smooth()` using formula = 'y ~ x'
## `geom_smooth()` using formula = 'y ~ x'

INTERPRETACIÓN

[4.0 PUNTOS] 2. MAPAS DE CALOR DE EXPRESIÓN GÉNICA

Los datos de expresión de genes son extensos, hay una gran cantidad de genes y asimismo una gran cantidad de muestras de tejidos o lineas celulares. En este ejemplo se desea ver el nivel de relación de las muestras de diferentes tipos de tejidos en base a las cuantificaciones de niveles de expresión genética. La data ejemplo es sintética, y están guardadas en forma de tablas y se cargan con la función load('nombre.RData'). Está basado en Simple guide to heatmaps.

load('data/expression.Rdata') # carga la tabla de expression
load('data/metadata.Rdata')
str(expression)
## rowws_df [2,191 × 11] (S3: rowwise_df/tbl_df/tbl/data.frame)
##  $ Gene: chr [1:2191] "ABCA1" "ABCA10" "ABCA13" "ABCA2" ...
##  $ X10 : num [1:2191] 13.97 10.88 9.17 11.34 8.77 ...
##  $ X11 : num [1:2191] 12.24 8.81 7.63 14.98 11.64 ...
##  $ X16 : num [1:2191] 12.63 11.25 7.49 13.68 11.29 ...
##  $ X17 : num [1:2191] 13.18 9.87 8.13 12.01 8.07 ...
##  $ X18 : num [1:2191] 11.38 8.06 8.26 16.01 12.39 ...
##  $ X2  : num [1:2191] 12.33 9.35 6.43 13.44 10.13 ...
##  $ X3  : num [1:2191] 13.48 11.25 9.96 12.26 10.13 ...
##  $ X4  : num [1:2191] 11.38 8.59 7.5 16.01 11.51 ...
##  $ X9  : num [1:2191] 10.98 9.48 7.08 15.39 11.34 ...
##  $ var : num [1:2191] 1.06 1.39 1.15 3.17 2.04 ...

Esta data indica el nivel de expressión de los genes (filas) en cada muestra de células (columnas).

# El procesamiento es:
# 1. seleccionar solamente las muestras select()
# 2. transponer t()
# 3. calcula las distancias encluideanas basado en las medidas dis()
# 4. hacer que se vuelva una matriz de tipo dataframe
expr_dist <- expression %>% select(-Gene, -var) %>% 
  t() %>% 
  dist() %>% 
  as.matrix() %>% data.frame() 
dim(expr_dist)
## [1] 9 9

Se realiza un gráfico de mapa de calor preliminar que permite tener un primer vistazo del nivel de relación entre cada una de las muestras en base a la distancia euclideana.

Heatmap(expr_dist)
## Warning: The input is a data frame-like object, convert it to a matrix.

Usualmente lo que se desea es saber si las muestras vienen de diferentes tejidos

metadata_heatmap <- metadata  %>% 
  mutate(sample = paste0('X', sample)) %>% # nombres de muestras
  filter(sample %in% colnames(expr_dist)) %>% 
  dplyr::select(sample, treatment_hours, serum) %>% 
  mutate(sample=factor(sample, levels=colnames(expr_dist))) %>% 
  arrange(sample) %>%  unique() 
ha_column = HeatmapAnnotation(df = data.frame(Tiempo = metadata_heatmap$treatment_hours,
                                              Suero = metadata_heatmap$serum), 
                              col = list(Serum = c("HS" =  magma(20)[2], "HIHS" = magma(20)[3]),
                                         Time = c("24" = magma(20)[14], "48" = magma(20)[12])))
# Mapa de calor anotado en la parte superior
Heatmap(expr_dist,  col=viridis(10), 
        name = 'Distancias', top_annotation = ha_column, )
## Warning: The input is a data frame-like object, convert it to a matrix.

[1.0 punto] 2.1. Interpretación del Mapa de calor

Realice una descripción de lo que observa en el mapa de calor considerando:

  • las intensidades de color de las distancias,

  • el tiempo de exposición al tratamiento

  • el tipo de suero

INTERPRETACIÓN:

[3.0 puntos] 2.2. Mapa de calor artritis reumatoide.

Realice la réplica e interpretación de los niveles de expresión génica en muestras de personas que sufren de artritits reumatoide; que se muestra en la sección 5 de la página A simple tutorial for a complex ComplexHeatmap y que se basa en el artículo Volume 28, Issue 9, 27 August 2019, Pages 2455-2470.e5.

require(RColorBrewer); require(ComplexHeatmap); require(circlize); 
## Loading required package: RColorBrewer
## Loading required package: circlize
## ========================================
## circlize version 0.4.15
## CRAN page: https://cran.r-project.org/package=circlize
## Github page: https://github.com/jokergoo/circlize
## Documentation: https://jokergoo.github.io/circlize_book/book/
## 
## If you use it in published research, please cite:
## Gu, Z. circlize implements and enhances circular visualization
##   in R. Bioinformatics 2014.
## 
## This message can be suppressed by:
##   suppressPackageStartupMessages(library(circlize))
## ========================================
require(digest); require(cluster)
## Loading required package: digest
## Loading required package: cluster

Aquí se carga los datos EMTAB6141.rdata que se requiere para este ejercicio. Requieres usar:

  • 'mat.tsv'

  • 'metadata.tsv'

  • 'sig_genes.list'

# Cargue aquí sus datos

En la siguiente celda de código, realice la réplica del mapa de calor que se encuentra a la izquierda (hmap1) de esta figura:

# Escriba aquí sus códigos

INTERPRETACIÓN:

[2 PUNTOS] REPOSITORIO GITHUB

Su repositorio de GitHub debe tener al menos los sigueites elementos:

  • Haber sido `clonado del repositorio del profesor.
  • Haber sido enlazado a un repositorio local (Project) generado en RStudio.
  • Tener el archivos .Rmd
  • Tener el archivo .HTML del examen (MANDATORIO PARA CALIFICAR).
  • Tener al menos 3 controles de la versión.
  • Tener un README.md con:

    • información personal,

    • información del equipo,

    • los programas y paquetes utilizados, y sus respectivas versiones